Gene Interactions and Structural Brain Change in Early-Onset Alzheimer's Disease Subjects Using the Pipeline Environment
Notice bibliographique
Résumé
OBJECTIVE: This article investigates subjects aged 55 to 65 from the Alzheimer's Disease Neuroimaging Initiative (ADNI) database to broaden our understanding of early-onset (EO) cognitive impairment using neuroimaging and genetics biomarkers. METHODS: Nine of the subjects had EO-AD (Alzheimer's disease) and 27 had EO-MCI (mild cognitive impairment). The 15 most important neuroimaging markers were extracted with the Global Shape Analysis (GSA) Pipeline workflow. The 20 most significant single nucleotide polymorphisms (SNPs) were chosen and were associated with specific neuroimaging biomarkers. RESULTS: We identified associations between the neuroimaging phenotypes and genotypes for a total of 36 subjects. Our results for all the subjects taken together showed the most significant associations between rs7718456 and L_hippocampus (volume), and between rs7718456 and R_hippocampus (volume). For the 27 MCI subjects, we found the most significant associations between rs6446443 and R_superior_frontal_gyrus (volume), and between rs17029131 and L_Precuneus (volume). For the nine AD subjects, we found the most significant associations between rs16964473 and L_rectus gyrus (surface area), and between rs12972537 and L_rectus_gyrus (surface area). CONCLUSION: We observed significant correlations between the SNPs and the neuroimaging phenotypes in the 36 EO subjects in terms of neuroimaging genetics. However, larger sample sizes are needed to ensure that the effects will be detectable for a reasonable false-positive error rate using the GSA and Plink Pipeline workflows.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».